买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：科大国创云网科技有限公司

摘要：本发明公开了一种客服热点事件发现方法及系统，属于自然语言处理技术领域，包括以下步骤：S1：语义表征；S2：事件发现；S3：事件类别预测。本发明通过调整字词权重的方式增强语义表征，基于K‑Means算法实现热点事件发现，优化运营商客服领域热点事件发现的准确率，在运营商客服领域数据事件聚类发现的实验中，本方法明显优于其他已有的层次和密度聚类算法，准确率提升了13.83％。

主权项：1.一种客服热点事件发现方法，其特征在于，包括以下步骤：S1：语义表征在通用词库的基础上进行客服领域新词发现，然后计算客服文本动态句向量，并对语义表征进行压缩；在所述步骤S1中，进行新词发现的具体过程如下：S101：采用Word2vec方法训练客服语料，生成词汇表作为客服行业基础词库；S102：客服领域文本分词后，若文本分词后的词不在基础词库中，进行词频统计；S103：设置新词发现阈值，将超过阈值的词语记录下来作为候选业务词；S104：候选业务词与通用词库相融合，建立运营商客服领域业务词库；在所述步骤S1中，客服文本动态句向量计算过程具体如下：S201：对于客服文本序列s，采用运营商客服领域业务词库将序列s中与客服业务无关的词汇去除，只保留运营商客服领域业务词，因此序列更新为s′＝{c1,…,ci,…,cN}，其中ci表示序列s′中的第i个词汇，N表示序列s′的文本长度；S202：基于Word2vec方法获得序列s′中每一个词汇的初始向量，es′＝{e1,…,ei,…,eN}；S203：在传统TF-IDF算法的基础上新增词长权重，权重信息具体计算公式为： 其中，为序列s′中第i个词汇的权重信息，lenci为ci的长度，m为词汇ci在该文本中出现的频数，T为该文本中的总词汇数，H为总文本数，h为含有词汇ci的文本数；S204：应用序列s′每一个词汇的向量es′＝{e1,…,ei,…,eN}与其对应词汇权重信息相结合的方式，动态计算句向量，生成文本的句向量空间，完成客服文本向量化，具体计算公式为： 其次，Vs为文本的句向量表示，为词汇ci的权重信息，ei为词汇ci的词向量；在所述步骤S1中，对语义表征进行压缩的具体过程如下：S211：将步骤S204中生成的句向量进行归一化；S212：采用PCA降维的方式将原始句向量的维度降低到指定维度，具体计算公式为： 其中，Vs′为语义表征压缩后的句向量，Xi为原始句向量中第i维的数值，Xmax、Xmin分别为原始句向量中最大值和最小值，F是PCA降维函数，d是指定维度；S2：事件发现基于客服文本语义表征向量，采用K-Means算法对不同客服场景话务进行聚类，生成样本类别，计算类别的热词组合，形成类别标题，实现客服文本事件发现；S3：事件类别预测构造客服文本事件类型预测训练样本，训练分类模型，通过训练好的分类模型预测新文本类别，完成事件入库。

全文数据：

权利要求：

百度查询： 科大国创云网科技有限公司 一种客服热点事件发现方法及系统